土壤养分空间的变异性研究

由于土壤养分具有空间变异性规律,掌握这一规律对于指导肥料的施用及精准农业有着重要意义。该文从插值方法、采样方式和采样密度与尺度3个研究方向对土壤养分空间的变异性研究进展进行了概括和总结,指出探索适合不同尺度的插值方法、采样方式和采样密度仍是今后进一步研究的方向,而综合利用多种技术手段建立土壤养分的时空过程模型,将可能更有助于土壤养分变异性特征的表达。     

多个部分相对整体异速生长的联合分析模型

根据异速生长的数学原理并考虑多个体成分或组织器官生长间的相互关系,首先提出联合分析多个体成分或组织器官相对整体异速生长的数学模型;联合异速生长模型更有利于比较不同体成分或组织器官间异速生长的差异,并有利于分析体成分或组织器官相对整体异速生长的遗传基础。采用多元线性逐步回归分析方法估计模型的参数,分析了一个关于肉牛屠体性状的实际数据集,验证了所构建模型及所建议方法的有效性。     

基于GIS的村级尺度统计数据空间化方法与时序分析初探

选择重庆市巴南区石龙镇大连村、大兴村、白马村、金星村、合路村、柏树村、大桥村、大园村和中伦村9个行政村作为研究区,将研究区的遥感影像、数字高程模型、行政界线等数据的空间参考坐标系统一为1980西安坐标系,选择2006-2012年研究区的农用肥施用量数据作为村级尺度统计数据空间化方法研究的研究数据,利用专家打分法对不同土地利用类型与农用肥施用之间的相关性进行打分,分值范围是0~1分。结合村级行政界线、行政村面积、农用肥施用量、土地利用数据和专家打分结果,构建农用肥施用数据空间化模型,分别生成2006-2012年村级农用肥施用数据空间化分布栅格数据,栅格尺度选择1、10、100和200 m这4种,并对栅格化结果进行对比分析。同时,对2006-2012年的农用肥施用空间分布数据进行时序分析,获取农用肥施用量的动态变化趋势。通过研究得到以下结论:1村级农用肥施用量数据空间化尺度与土地利用数据的类型及空间分辨率有关;2研究区各行政村农用肥施用量在2006-2012年期间总体变化趋于平稳。本研究对于实现村级统计数据空间化方法具有一定的参考意义,而空间化后的村级统计数据对于进行村镇区域规划、土地整改、生态环境保护等具有重要指导意义。     

多尺度行政区平衡视角下耕地空间布局优化

优化耕地空间布局对提升耕地生产能力、促进农业可持续发展具有重要意义。该研究以广东封开县为例,基于“现状耕地调出-可恢复地类调入”的微观调整逻辑,综合运用空间叠加、综合评价及蚁群优化算法,构建了耕地空间布局调整模型,以调入调出数量平衡为约束条件实现了不同行政区尺度下的耕地布局优化。结果表明：1）研究区共调出耕地1 689.89 hm²,占耕地总面积的7.62%,整体上呈现出“全局零散、局部聚集”的分布特征。2）研究区可恢复地类农业生产适宜性均值为67.04,具有开展作物种植的良好禀赋条件。3）不同行政区尺度平衡情景下,调入结果在研究区北部空间差异显著,与镇内平衡情景相比,县内平衡情景下,调入耕地的农业生产适宜性均值提高了2.08,综合生态系统服务均值下降了0.67。4）两种情景下,耕地的连片性、质量及稳定性均得到提升,因不受调入规模和行政单元空间范围限制,县内平衡情景下的提升效果更加明显,适当扩大可恢复地类筛选范围有利于提升整体耕地质量并降低重要生态用地筛选概率。该研究构建的耕地空间布局调整模型具有良好的适用性,可为制定农用地布局优化与整治提升方案提供参考依据。     

长三角地区景观生态风险与人类活动强度的响应及其时空关联

人类活动是诱发区域生态风险的重要因素,但生态风险与人类活动在不同尺度下的表征效果不一,响应程度不同,从多尺度科学地研究区域景观生态风险与人类活动强度的关联特征对于协调区域人地关系地域系统矛盾,推动地区可持续发展具有重要意义。该研究以长三角地区为研究对象,基于1990—2020年4期土地利用、夜间灯光、人口空间分布数据,建立市域、县域、格网三级尺度,构建景观生态风险及人类活动强度评估模型,刻画不同尺度下二者的时空响应特征,并基于Copula函数、双变量空间自相关及耦合协调度模型,揭示景观生态风险与人类活动强度的时空关联性。结果表明：1)1990—2020年间不同尺度下长三角地区景观生态风险均呈现北高南低的空间分布格局,且高风险地区持续减少,低风险区均呈增加趋势,其中市域尺度下高风险地区的减势最明显,而县域尺度下,低及中低风险区总体增势最为显著;2)1990—2020年间不同尺度下长三角地区人类活动强度均呈现东北高西南低的空间分布格局且高强度区域均呈现显著上升趋势,而低强度区域均明显下降,其中格网尺度下高强度区域增幅最大,达13.42个百分点,市域尺度下低强度区域的减幅最为明显,达9.76...     

基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法

针对番茄早期缺素性状不明显及各生长期特征差异较大所导致的特征区域尺寸不一致、难提取、难辩别等问题,提出了一种基于注意力机制及多尺度特征融合卷积神经网络的番茄叶片缺素图像分类方法（Multi-Scale Feature Fusion Convolutional Neural Networks Based On Atte ntion Mechanism,MSFF-AM-CNNs）。首先根据番茄叶片缺素特点提出了多尺度特征融合结构（Multi-Scale Feature Fusion Module,MSFF Module）;其次在DenseNet基础上,结合浅层网络主要提取纹理、细节特征,深层网络主要提取轮廓、形状特征的特点分别提出具有针对性的特征提取方法,通过不同形式引入注意力机制及多尺度特征融合结构,使全局多尺度信息融合多个特征通道、选择性地强调信息特征并达到对特征精准定位的功能;同时引入Focal Loss函数以减少易分类样本的权重。试验结果表明,MSFF-AM-CNNs的平均召回率、平均F1得分、平均准确率较原模型DenseNet-121均大幅提升,其中缺氮和缺钾叶片的准确率分别提高了8.06和6.14个百分点,召回率分别提高了6.31和5.00个百分点,F1得分分别提高了7.25和5.55个百分点,平均识别准确率可达95.92%,具有较高的识别准确率及广泛的适用性,能够满足番茄叶片缺素图像的高精度分类需求,可为植物叶片缺素识别提供参考。     

科尔沁沙丘草甸相间地区土地利用与覆被识别

为了实现基于单独光学遥感数据对科尔沁沙丘草甸相间地区土地利用与覆被(LULC)类型的识别,选用2018年64景Sentinel-2影像,结合影像分割技术,利用植被物候信息和生境特征,建立了基于群落水平的LULC决策树识别规则,总体分类精度为0.91,Kappa系数为0.89.分类结果显示:研究区旱地分布面积最大,占33...     

不同尺度下蒸散测定与估算研究进展

蒸散是降水量输入后生态系统水分消耗的主要生态过程,准确测定与估算蒸散量,可为开展植被水文与生态相互作用研究提供理论基础。本研究从叶片、单株、林分、区域4个尺度,系统综述了蒸散测定原理和方法以及蒸散研究的最新进展,并预测植被蒸散研究的发展趋势,为生态水文学的发展与进步提供一定参考。     

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI（Normalized Difference Water Index)、NDVI（Normalized Difference Vegetation Index）、SBL（Soil Background Level）等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质（SL;岩石和土壤）、植被（GV;光合作用叶片）和暗色物质（DA;阴影和水）3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2）融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3）具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。     

注意力与多尺度特征融合的水培芥蓝花蕾检测

准确辨识水培芥蓝花蕾特征是区分其成熟度,实现及时采收的关键。该研究针对自然环境下不同品种与成熟度的水培芥蓝花蕾外形与尺度差异大、花蕾颜色与茎叶相近等问题,提出一种注意力与多尺度特征融合的Faster R-CNN水培芥蓝花蕾分类检测模型。采用InceptionV3的前37层作为基础特征提取网络,在其ReductionA、InceptionA和InceptionB模块后分别嵌入SENet模块,将基础特征提取网络的第2组至第4组卷积特征图通过FPN特征金字塔网络层分别进行叠加后作为特征图输出,依据花蕾目标框尺寸统计结果在各FPN特征图上设计不同锚点尺寸。对绿宝芥蓝、香港白花芥蓝及两个品种的混合数据集测试的平均精度均值mAP最高为96.5%,最低为95.9%,表明模型能实现不同品种水培芥蓝高准确率检测。消融试验结果表明,基础特征提取网络引入SENet或FPN模块对不同成熟度花蕾的检测准确率均有提升作用,同时融合SENet模块和FPN模块对未成熟花蕾检测的平均准确率AP为92.3%,对成熟花蕾检测的AP为98.2%,对过成熟花蕾检测的AP为97.9%,不同成熟度花蕾检测的mAP为96.1%,表明模型设计合理,能充分发挥各模块的优势。相比VGG16、ResNet50、ResNet101和InceptionV3网络,模型对不同成熟度花蕾检测的mAP分别提高了10.8%、8.3%、 6.9%和12.7%,检测性能具有较大提升。在召回率为80%时,模型对不同成熟度水培芥蓝花蕾检测的准确率均能保持在90%以上,具有较高的鲁棒性。该研究结果可为确定水培芥蓝采收期提供依据。